C3: High-performance and low-complexity neural compression from a single image or video

大多数神经压缩模型都是在大规模图像或视频数据集上进行训练，以便推广到未见过的数据。这种推广通常需要具有高解码复杂度的大型且具有表现力的架构。在这里，我们介绍了C3，一种神经压缩方法，它具有强大的速率-失真（RD）性能，而不是将一个大模型泛化到所有图像或视频。 C3的解码复杂度可以比具有类似RD性能的神经基线低一个数量级。C3基于COOL-CHIC（Ladune等人）并对图像进行了几个简单而有效的改进。我们还开发了新的方法将C3应用于视频。在CLIC2020图像基准测试中，我们将解码的MAC数控制在不到3k像素，与H.266编解码器的参考实现VTM的RD性能相匹配。在UVG视频基准测试中，我们将解码的MAC数控制在不到5k像素，与已经确立的神经视频编解码器Video Compression Transformer（Mentzer等人）的RD性能相匹配。

论文旨在提出一种名为C3的神经压缩方法，通过将小型模型过度拟合到每个图像或视频上来实现强大的速率-失真性能。

C3通过将小型模型过度拟合到每个图像或视频上来实现强大的速率-失真性能，解决了神经压缩模型需要大规模数据集以及高解码复杂度的问题。

C3方法在COOL-CHIC的基础上进行了改进，并开发了新的方法将其应用于视频压缩。在CLIC2020图像基准测试中，C3的解码复杂度比VTM低一个数量级，但性能相当。在UVG视频基准测试中，C3的解码复杂度比Video Compression Transformer低一个数量级，但性能相当。

在最近的相关研究中，还有一些关于神经压缩的研究，例如：《Real-time Adaptive Image Compression》、《End-to-End Optimized Image Compression》等。